SAR圖像較大難以實時運行且船只目標較小難以被識別,為此一種壓縮級聯(lián)深層神經(jīng)網(wǎng)絡算法被提出以實現(xiàn)對眾多船只目標的分割定位識別。構建3個不同的卷積神經(jīng)網(wǎng)絡實現(xiàn)特征提取,引入級聯(lián)結構融合不同網(wǎng)絡輸出的特征圖實現(xiàn)網(wǎng)絡的輕量化,融合后的特征輸入金字塔池化模塊實現(xiàn)特征細化,分類并解析。在Google Earth圖像數(shù)據(jù)集中的實驗結果表明,多分支網(wǎng)絡的級聯(lián)有助于大尺寸圖像中目標特征的分散提取,分級的模型壓縮有助于提升識別速度。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 多分支融合級聯(lián)網(wǎng)絡
    1.1 實時策略分析
    1.2 網(wǎng)絡結構
    1.3 金字塔池化分割模塊
2 實驗與評估
    2.1 數(shù)據(jù)集
    2.2 評估指標
    2.3 實驗過程
    2.4 結果分析
        2.4.1 消融實驗
        2.4.2 與先進架構的性能比較
3 結束語


【參考文獻】：
期刊論文
[1]基于卷積網(wǎng)絡的遙感圖像建筑物提取技術研究[J]. 付發(fā),未建英,張麗娜.  軟件工程. 2018(06)
[2]基于U形結構提取的港口目標檢測研究[J]. 邢坤,岳春宇,周楠,張炳先,曹世翔,何紅艷.  航天返回與遙感. 2018(01)
[3]基于短波紅外遙感影像的船只自動檢測方法[J]. 鮑松澤,鐘興,朱瑞飛,于樹海,于野,李蘭民.  光學學報. 2018(05)
[4]利用多特征進行航空影像建筑物提取[J]. 呂鳳華,舒寧,龔龑,郭清,曲雪光.  武漢大學學報(信息科學版). 2017(05)



本文編號：3669636